自動運転車に「道路を認識」させる方法

人間が歩くのと同じように、自動運転車も移動プロセスを完了するためには、交通環境について自主的に考え、判断や決定を下す必要があります。先進運転支援システム技術の向上により、自動車を運転するドライバーの安全性は向上し続け、運転の決定におけるドライバーの関与度は徐々に低下し、自動運転はますます私たちに近づいています。

自動運転車は無人運転車とも呼ばれ、本質的には、運転者の支援のみで、または運転者の操作を一切必要とせずに移動タスクを完了できる高度にインテリジェントなロボットです。自動運転は、主に認識層、意思決定層、実行層によって実現されます。自動運転車は、追加されたレーダー（ミリ波レーダー、ライダー）、車載カメラ、全地球航法衛星システム（GNSS）、リアルタイムダイナミクス（PTK）、慣性測定ユニット（IMU）などのハードウェアデバイスを通じて交通環境を認識し、検出された交通環境を判断することができます。自動運転車は、検出された交通環境に基づいて行動決定と経路計画を行い、実行ユニットに指示を送って自動運転車の運転を制御します。

自動運転車の実現は、私たちが考えるほど簡単ではありません。自動運転車を熟練ドライバーの運転能力に到達させたい場合、自動運転車が「はっきりと見る」（知覚層）、「はっきりと考える」（意思決定層）、「はっきりと動く」（実行層）ことに加えて、「道路を認識する」ことも必要です。高精度の地図は、自動運転車が「道路を認識する」ための魔法の武器です。

人が見知らぬ街に到着したときに地図ナビゲーションを使用するのと同じように、自動運転車も自動運転を実現するためには、どこへ行くのか、どうやって行くのか、どのように行くのかといった問題を解決する必要があります。自動運転車に走行指示を出した後、最初に行うことはルートの計画です。人間が使用するナビゲーションマップは、道路名やルートなどの情報に重点を置き、道路の形状、傾斜、曲率、舗装、方向などのデータのみを記録します。人間はこれらの情報に基づいて必要な移動ルートを理解することができます。人間が使用するナビゲーションマップとは異なり、自動運転車用の高精度マップは、より完全な情報をカバーします。

高精度地図とは、センチメートルレベルの精度を持つ電子地図です（人間が使用するナビゲーション地図はメートルレベルの精度しかありません）。より豊富な要素とより速い更新頻度で、高精度、高次元、高リッチ、高鮮度の電子地図を提供します。視線外の環境認識機能を提供し、車線レベルの最適経路計画を提供し、運転中の自動運転車両の安全性を確保できます。高精度地図には、人間が利用するナビゲーションマップで網羅されている情報に加え、車線種別、車線幅などの車線属性に関するデータや、頭上物体、ガードレール、路端情報、路側障害物（樹木、ゴミ箱、電柱など）、路側ランドマークなどの大量のデータも追加されています。

高精度地図は、自動運転車が「道路を認識する」ために必要な補助として、大量の運転情報を含んでいます。その中で最も重要なのは、道路網の正確な3次元表現です。道路情報に加えて、信号の色、道路の制限速度情報、車両の旋回位置など、多くの意味情報も含まれています。

高精度地図の出現と発展は、スマート交通、スマートシティ、インテリジェント交通の配置を促進します。インテリジェントネットワーク技術の発展に伴い、高精度地図の重要性はますます明らかになっています。L4、さらにはL3レベルに達する自動運転車にとって、高精度地図の搭載は必須のオプションです。高精度地図は、自動運転車の走行ルートを計画し、位置決め、意思決定、交通動態情報などの基礎を提供することができます。さらに、高精度地図は、自動運転車のハードウェア障害や周囲の厳しい環境を感知して、自動運転車が安全に運転できるようにします。高精度地図は、視線外の知覚を強化し、自動運転車の計画能力を向上させることができます。

高精度の地図は自動運転車にとって非常に重要であり、多くの利点があります。高精度マップは、自動運転車に道路の事前情報と冗長な位置保証を提供できます。車載センサーとは異なり、高精度マップは気象条件や検出距離などの影響を受けず、制限も受けないため、自動運転車に安全冗長性を提供できます。高精度地図は、車線、道路標識、信号などの位置情報を網羅しているため、関連情報を予測し、知覚ハードウェアの検出精度と速度を向上させることができます。たとえば、交差点での左折（右側通行の交通ルール下）は、自動運転車の開発において解決するのが比較的難しい問題です。高精度地図の支援により、自動運転車はどの交差点で左折できるか、左折待機エリアと左折停止線はどこにあるのかなどを知ることができます。さらに、車両のインターネット化の進展の一環として、高精度の地図から車両情報、信号機の状態情報、道路交通の流れ情報などをクラウドに送信し、インテリジェントな交通の計画とレイアウトを実現します。

高精度地図には、静的および動的な車両環境データと交通環境データを格納する必要があります。これらすべてを 1 つのレイヤーに配置すると、作成と使用に不便になります。そのため、標準化されたレイヤー化が必要です。各レイヤーは環境要素または交通要素を反映し、すべてのレイヤーを重ね合わせて使用​​可能な高精度地図を形成します。現在、高精度地図は静的データ層と動的データ層の 2 つの層に分けられます。静的データ層は、下から上に、車線モデル、道路構成要素、道路属性、道路環境特徴サブ層の 3 つのベクター サブ層に細分化されます。動的データ層は、インテリジェントネットワーク技術に基づいており、リアルタイムの交通運行データ、交通管理データセット、人や車両のリアルタイムの移動データを取得します。そのため、下から上に、交通運行データ層、交通管理データ層、高動的移動層に分けられます。

高精度地図の作成と収集は、人間が使用するナビゲーションマップとは大きく異なります。高精度地図の収集システムは「モバイル測定システム」になっています。人間が使用するナビゲーションマップと比較して、高精度地図は自動運転のシナリオに重点を置いており、自動運転ソリューションに不可欠な部分です。高精度地図はリアルタイムデータ更新の要求が極めて高いため、収集車両のみで高精度地図を収集すると、時間がかかり、労力とコストがかかります。高精度地図収集車両には、主にライダー、車載カメラ、ジャイロスコープ、データストレージ、コンピューティング機器などが搭載されています。高精度地図収集車両が収集できる範囲は極めて狭いため、収集を全面的に展開すると、莫大なコストがかかります。高精度地図の編集にも非常に時間がかかり、労働集約的です。高精度地図の編集プロセスには、地図の描画、地図の修正、POI情報の更新、インターネットユーザーのエラーレポートの更新などが含まれ、多くの人的コストがかかります。

異なる道路環境での高精度地図収集に必要な人手と時間コストも異なります。たとえば、高速道路と市街地の道路では、高精度地図収集に大きな違いがあります。高速道路と比較して、市街地の道路はよりオープンで、シーンがより複雑で、より多くの交通情報をカバーしています。また、自動運転機能に対する要求も高く、より困難です。このとき、高精度地図はより重要な役割を果たすでしょう。高精度のマップは、複雑な交通環境を分解し、自動運転車が理解できる方法で人間の移動ルールを伝え、複雑な移動動作を複数の小さなタスクに分割し、交通検出のための認識ハードウェアの要件を削減または最適化することができます。高精度の地図には各車線の関連情報が含まれているため、自動運転車は他の車線や方向の車両の運転行動を事前に予測することができ、交通ルールに従って安全に運転することができます。

高精度地図は、自動運転車のナビゲーション機能を提供するだけでなく、自動運転車の安全運転にも大きな役割を果たします。たとえば、高精度地図は、都市のトンネル、高架道路などの環境で自動運転車を支援することができます。これらのシナリオでは、自動運転車は高精度地図を使用し、高精度地図内の交通設備を参照ポイントとして使用し、知覚ハードウェアを組み合わせて自律測位を実現し、自動運転運転の安全性を大幅に向上させます。車線が欠落していたり​​、長期間メンテナンスが行われていない交通環境でも、高精度の地図があれば、測位と支援を通じて、自動運転車が計画された車線内を走行できるようになります。濃霧や吹雪などの極端な気象条件では、認識ハードウェアの検出精度がさらに低下し、高精度の地図でより補足的な交通情報を提供できるようになります。変化する道路状況も、高精度地図を使用する必要のある理由の1つです。たとえば、交通環境を最適化するために、多くの都市では潮汐レーンを設定し、さまざまな道路に速度制限を設定します。このとき、高精度地図を使用して事前にルートを計画し、自動運転車が交通ルールに従うことを可能にします。

現段階では、高精度地図の開発にはまだ多くの問題があります。例えば、現段階では統一された高精度地図プラットフォームが存在せず、高精度地図情報が駐車場間で共有されていないため、高精度地図の収集コストが増加しています。統一された高精度地図データモデルと交換フォーマットを確立することで、自動車メーカーの開発時間と不要なコストを削減できると同時に、将来的にはブランドを越えた車両で使用される高精度地図が継続的にデータを共有および更新できるようになります。

高精度地図の収集コストは高く、更新も比較的遅い。現段階では、高精度地図の測量およびマッピングデータを収集するための主な技術的ルートは2つあります。1つはGoogleの地図マッピング車両に代表され、もう1つはTeslaの「フリートラーニングネットワーク」に代表されます。これは、量産車を使用してマッピングタスクを「クラウドソーシング」し、フリート全体のすべてのセンサーを動員してデータを収集し、クラウドテクノロジーを通じて中央データベースにアップロードすることと同じです。最終的には、すべての車が地図データの提供者と受信者になります。

道路の改修や更新、路側設備のアップグレードや最適化など、交通環境の変化は、高精度地図のリアルタイム更新を必要としますが、これは非常に困難です。高精度な更新頻度をいかに確保するかも、現段階の高精度地図開発において早急に議論する必要がある課題です。